Ramadan and health: a scientometric analysis of health literature on Ramadan and fasting
Notice bibliographique
Résumé
Aim: During Ramadan month, every year, approximately two billion of Muslims practice fasting and avoid eating, drinking and intercourse from dawn to dusk throughout the world. Although the effects of Ramadan fasting on human health were highly studied in academic literature, there are only limited number of scientometric articles referring to Ramadan and health. Material and Method: We performed a scientometric analysis of “Ramadan and health” publications indexed in Web of Science databases between 1980 and 2019 and found a total of 497 articles. Results: The most published documents were original articles (88.13%). The most studies areas were found to be Religion, Nutrition and Endocrinology, (n=269, 214 and 184 items, respectively). The USA was leading country with 76 items followed by Saudi Arabia, the UK, Turkey and Iran (n=76, 58, 55, 39 and 36 papers, respectively). King Saud University (Saudi Arabia) ranked first in institutions with 21 items. H-index of Ramadan and health literature was measured as 40 and total number of citations was 5837. The most indexed keywords were “Ramadan”, “fasting”, “diabetes”, and “pregnancy”. The USA, the UK, Saudi Arabia and Canada were found as the most collaborative countries. Conclusion: The importance of scientometric studies has been increasing in recent years. We think that this scientometric study data about Ramadan and fasting which are the conditions of the religion of Islam will contribute to scientists.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,127 | 0,139 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».